基于深度学习在智能电网中的应用研究被引量：1

下载PDF

导出

摘要随着科学技术的不断发展,深度学习逐渐引起了人们的注意,在很多领域中被广泛应用并且都取得了很好的成果,推动了智能电网的开发与应用。基于此,结合智能电网的特点,文章阐述了深度学习在智能电网中的应用,希望可以为其他研究者提供参考。

作者张蝶

机构地区贵州大学电气工程学院

出处《信息通信》 2020年第7期94-95,共2页 Information & Communications

关键词深度学习智能电网神经网络

分类号 TM715 [电气工程—电力系统及自动化]

引文网络
相关文献

参考文献8

1王振宇..智能电网中基于深度学习的用户短期负荷预测研究[D].南京邮电大学,2019:
2倪晨..基于卷积神经网络的输电线路故障快速检测与识别[D].内蒙古工业大学,2019:
3曾全昊,王丰华,郑一鸣,何文林.基于卷积神经网络的变压器有载分接开关故障识别[J].电力系统自动化,2020,44(11):144-151. 被引量：47
4吴钢,王远,付永旗,刘洋,闫冰.基于深度学习的配电网电压问题诊断方法研究[J].电子设计工程,2020,28(9):98-102. 被引量：5
5张宇航,邱才明,杨帆,徐舒玮,石鑫,贺兴.深度学习在电网图像数据及时空数据中的应用综述[J].电网技术,2019,43(6):1865-1873. 被引量：61
6范士雄,李立新,王松岩,刘幸蔚,於益军,郝博文.人工智能技术在电网调控中的应用研究[J].电网技术,2020,44(2):401-411. 被引量：111
7刘建伟,刘媛,罗雄麟.深度学习研究进展[J].计算机应用研究,2014,31(7):1921-1930. 被引量：292
8严干贵,阚天洋,杨玉龙,张薇.基于深度强化学习的分布式电采暖参与需求响应优化调度[J].电网技术,2020,44(11):4140-4147. 被引量：29

二级参考文献195

1陈振宇,刘金波,李晨,季晓慧,李大鹏,黄运豪,狄方春,高兴宇,徐立中.基于LSTM与XGBoost组合模型的超短期电力负荷预测[J].电网技术,2020,44(2):614-620. 被引量：229
2范士雄,李立新,王松岩,刘幸蔚,於益军,郝博文.人工智能技术在电网调控中的应用研究[J].电网技术,2020,44(2):401-411. 被引量：111
3李明节,陶洪铸,许洪强,刘金波,张强,张伟.电网调控领域人工智能技术框架与应用展望[J].电网技术,2020,44(2):393-400. 被引量：81
4张武军,叶剑锋,梁伟杰,方鸽飞.基于改进遗传算法的多目标无功优化[J].电网技术,2004,28(11):67-71. 被引量：81
5郭创新,朱传柏,曹一家,吴欣.电力系统故障诊断的研究现状与发展趋势[J].电力系统自动化,2006,30(8):98-103. 被引量：134
6赵书涛,李宝树,苑津莎,赵东生.基于径向基函数神经网络识别的电力系统动态参数获取新途径[J].中国电机工程学报,2006,26(10):104-108. 被引量：5
7武新宇,程春田,廖胜利,李刚.两阶段粒子群算法在水电站群优化调度中的应用[J].电网技术,2006,30(20):25-28. 被引量：40
8赵彤,李庆民,陈平.OLTC振动信号特征提取的动力学分析方法[J].电工技术学报,2007,22(1):41-46. 被引量：35
9陈彬,于继来.基于电网潮流分布特征的在线故障智能诊断[J].电力系统自动化,2007,31(16):29-34. 被引量：6
10李天云,陈昌雷,程汪刘,李晓晨.交叉验证方法在电能质量信号白噪声抑制中的应用[J].电力系统自动化,2007,31(16):75-78. 被引量：14

共引文献536

1黄敬志,冯国平,黄小强,方家良.广东电网“十四五”数字化建设规划研究[J].南方能源建设,2022,9(S01):132-138. 被引量：4
2田琳,舒康安,黄远明,黄志生,孙谦,盛剑胜.发电商滥用市场力行为识别方法研究——基于朴素贝叶斯方法的分析[J].价格理论与实践,2021(5):43-48. 被引量：2
3龚晗.深度学习与教育治理现代化:内涵、机遇、挑战及启示[J].中国多媒体与网络教学学报（电子版）,2020(15):65-67.
4Peng Liu,Wei Jiang,Xiaohui Wang,Hongmin Li,Hongjian Sun.Research and application of artificial intelligence service platform for the power field[J].Global Energy Interconnection,2020,3(2):175-185. 被引量：3
5庄宝玲,陈文列.偶发分枝杆菌的超微结构初步观察[J].福建医药杂志,2000,22(1):181-182. 被引量：2
6张德尧,程晓冰.我国水环境问题及对策刍议[J].中国水利,2000(6):14-16. 被引量：20
7王盈旭,韩红桂,郭民.一种基于改进型深度学习的非线性建模方法[J].信息与控制,2018,47(6):680-686. 被引量：4
8黄琳,张尤赛.应用深层卷积神经网络的交通标志识别[J].现代电子技术,2015,38(13):101-106. 被引量：18
9万杰,马国林,苏鹏宇,胡清华,于达仁.基于生成型深信度网络的回归算法鲁棒性分析[J].科学技术与工程,2015,35(22):47-52. 被引量：1
10逯玉婧.一种基于深度信念网络的入侵检测模型[J].网络安全技术与应用,2015(8):89-91.

同被引文献5

1周念成,廖建权,王强钢,李春艳,李剑.深度学习在智能电网中的应用现状分析与展望[J].电力系统自动化,2019,43(4):180-191. 被引量：187
2黄旭超.深度学习与电力智能化的思考[J].电气技术,2018,19(11):1-4. 被引量：6
3赵振兵,齐鸿雨,聂礼强.基于深度学习的输电线路视觉检测研究综述[J].广东电力,2019,32(9):11-23. 被引量：47
4谢小瑜,周俊煌,张勇军.深度学习在泛在电力物联网中的应用与挑战[J].电力自动化设备,2020,40(4):77-87. 被引量：49
5范英乐,王浩,白玉东,李熙.基于人工智能技术的电网调度控制业务研究[J].电力大数据,2020,23(5):9-15. 被引量：15

引证文献1

1吴小燕,孟凡平,陈晨晨,郭丽华,郭鑫.试析深度学习在智能电网中的应用研究[J].电子元器件与信息技术,2020,4(12):120-121. 被引量：2

二级引证文献2

1段亚穷,向勉,刘洪笑,周丙涛,曾曙莲.基于双层XGBoost的风力发电机瞬时发电量预测[J].湖北民族大学学报（自然科学版）,2022,40(2):171-175. 被引量：5
2王少林,杨希,王荣强.多维度背景下智能电网技术应用场景的思考和探索[J].电气时代,2022(10):24-27. 被引量：4

信息通信

2020年第7期

浏览历史

内容加载中请稍等...

基于深度学习在智能电网中的应用研究被引量：1

参考文献8

二级参考文献195

共引文献536

同被引文献5

引证文献1

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

基于深度学习在智能电网中的应用研究 被引量：1

参考文献8

二级参考文献195

共引文献536

同被引文献5

引证文献1

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

基于深度学习在智能电网中的应用研究被引量：1